基于圖像視覺上下文的多元IB聚類算法.pdf

1、隨著人們生活步入智能化和信息化時(shí)代，移動(dòng)攝像設(shè)備在日常生活中逐漸普及，圖像獲取工具的增多，使得圖像的獲取更加簡(jiǎn)單便捷，同時(shí)也導(dǎo)致圖像數(shù)據(jù)量迅速增大。近年來，用以描述圖像的視覺特征多種多樣，如何有效利用圖像多個(gè)視覺特征之間的關(guān)系來提高海量圖像的聚類質(zhì)量，成為當(dāng)前圖像聚類算法研究的熱點(diǎn)和難點(diǎn)。
　　近年來，能夠處理圖像多個(gè)特征的聚類算法可劃分為聚類融合和多視角聚類兩類。其中，聚類融合算法首先獲得數(shù)據(jù)的多個(gè)聚類劃分，之后使用融合函數(shù)對(duì)已

2、有的聚類劃分再次聚類，得到優(yōu)于原來聚類劃分的結(jié)果。由于聚類融合算法過度依賴基聚類而忽略了圖像數(shù)據(jù)的原始特征，當(dāng)基聚類的質(zhì)量不夠好時(shí)，聚類融合算法無法得到高質(zhì)量的聚類結(jié)果。多視角聚類算法可以直接處理圖像數(shù)據(jù)的多個(gè)視覺特征，也即不同視角的圖像數(shù)據(jù)，通過關(guān)聯(lián)圖像數(shù)據(jù)的多個(gè)視覺特征，獲得比單個(gè)視覺特征更好的聚類結(jié)果。當(dāng)圖像的多個(gè)視覺特征呈現(xiàn)為高維時(shí)，多視角聚類算法存在維度災(zāi)難的問題。
　　針對(duì)上述問題，本文提出了一種新穎的基于圖像視覺上下

3、文的多元IB聚類算法（Visual Contextual-Information Bottleneck，簡(jiǎn)稱VC-IB）。該算法把數(shù)據(jù)分析視為數(shù)據(jù)壓縮過程，在數(shù)據(jù)壓縮過程中隨機(jī)選取圖像多個(gè)特征中的一種作為圖像的主信息，其余視覺特征得到的聚類劃分作為視覺上下文信息。VC-IB算法通過綜合考慮圖像主信息及其視覺上下文信息之間的關(guān)系，挖掘出圖像數(shù)據(jù)集中的潛在模式，該方法能夠同時(shí)借鑒聚類融合和多視角聚類算法的優(yōu)點(diǎn)。VC-IB算法采用兩個(gè)貝葉斯網(wǎng)